| NIM | K1B022053 |
|---|
| Namamhs | SCHWEISIYANA SALMAH |
|---|
| Judul Artikel | Klasifikasi Multikelas Tingkat Ketahanan Pangan di Indonesia Menggunakan Algoritma Random Forest |
|---|
| Abstrak (Bhs. Indonesia) | Ketahanan pangan merupakan isu strategis yang berperan penting dalam menjaga stabilitas negara dan kesejahteraan masyarakat. Ketimpangan distribusi pangan dan ketergantungan terhadap impor menunjukkan bahwa permasalahan ketahanan pangan masih menjadi tantangan serius. Penelitian ini bertujuan untuk membangun model klasifikasi tingkat ketahanan pangan di tingkat kabupaten/kota di Indonesia menggunakan algoritma Random Forest, mengevaluasi kinerja model, serta mengidentifikasi indikator yang paling berpengaruh terhadap status ketahanan pangan. Data yang digunakan merupakan data sekunder dari Food Security and Vulnerability Atlas (FSVA) Badan Pangan Nasional tahun 2019–2024 dengan total 3.084 observasi dan sembilan indikator ketahanan pangan. Data dibagi menjadi data latih dan data uji dengan rasio 60:40, 70:30, dan 80:20, serta dilakukan penanganan data tidak seimbang menggunakan Synthetic Minority Oversampling Technique (SMOTE). Evaluasi kinerja model dilakukan menggunakan Confusion matrix dengan pendekatan Macro dan Micro Averaging. Hasil penelitian menunjukkan bahwa algoritma Random Forest mampu mengklasifikasikan tingkat ketahanan pangan dengan kinerja yang stabil, dengan performa terbaik diperoleh pada rasio pembagian data 60:40, yang menghasilkan akurasi sebesar 89%, Macro Recall sebesar 84% serta nilai Macro Precision dan Macro F1_Score masing-masing sebesar 83%. Analisis feature importance menunjukkan bahwa NCPR merupakan indikator paling berpengaruh dalam klasifikasi ketahanan pangan, diikuti oleh tingkat kemiskinan dan akses terhadap air bersih. |
|---|
| Abtrak (Bhs. Inggris) | Food security is a strategic issue that plays an important role in maintaining national stability and public welfare. Inequality in food distribution and dependence on imports indicate that food security remains a serious challenge. This study aims to develop a classification model of food security levels at the regency/city level in Indonesia using the Random Forest algorithm, evaluate the model’s performance, and identify the most influential indicators affecting food security status.The data used in this study are secondary data obtained from the Food Security and Vulnerability Atlas (FSVA) of the National Food Agency for the period 2019–2024, comprising a total of 3,084 observations and nine food security indicators. The dataset was divided into training and testing sets using ratios of 60:40, 70:30, and 80:20, and the issue of class imbalance was addressed using the Synthetic Minority Oversampling Technique (SMOTE). Model performance was evaluated using a confusion matrix with Macro and Micro averaging approaches. The results show that the Random Forest algorithm is capable of classifying food security levels with stable performance. The best performance was achieved using the 60:40 data split ratio, resulting in an accuracy of 89%, a Macro Recall of 84%, and Macro Precision and Macro F1-Score values of 83%, respectively. Feature importance analysis indicates that NCPR is the most influential indicator in classifying food security levels, followed by poverty rate and access to clean water.
|
|---|
| Kata kunci | ketahanan pangan, Random Forest, klasifikasi, Machine Learning, feature importance |
|---|
| Pembimbing 1 | Dra. Mutia Nur Estri, M.Kom |
|---|
| Pembimbing 2 | Niken Larasati, S.Si, M.Si |
|---|
| Pembimbing 3 | |
|---|
| Tahun | 2026 |
|---|
| Jumlah Halaman | 15 |
|---|
| Tgl. Entri | 2026-03-12 09:16:21.797803 |
|---|